出品｜虎嗅科技组亿融配资
作者｜陈伊凡
编辑｜苗正卿
头图｜AI生成
照片由翟星吉本人提供
“AI原生100”是虎嗅科技组推出针对AI原生创新栏目，这是本系列的第「05」篇文章。
“脑子里的雷达瞬间就亮了，特别亮，必须出去。”
在上海徐汇区漕河泾AI校友中心的一间会议室里，翟星吉说起最初创业的冲动，眼里闪着光：“这波AI明显不一样”。他的电脑中间贴着“AGI之路”的Logo，右上角“咖啡哪有创业苦”已被磨出一丝毛边。GPT-4发布的当晚，他用AI代码平台Cursor手搓了个程序，发现自己能干很多事，就这样迈出了创业的第一步。
这位在SaaS（软件即服务）时代头部企业帆软拼杀5年的年轻人，笑着复盘创业之初如何用在一周时间签下首单客户、两个月时间上线产品，帮客户成功提效；如何被行业老江湖“上了一课”。
2023年，语核科技获得奇绩创坛的种子轮投资。奇绩论坛的前身，是硅谷最大孵化器YC的中国分部，由前百度总裁兼COO陆奇在2018年创立，奇绩论坛被视为“中国的YC”，入选的初创项目要经过层层选拔，通过率大概只有1%。
然而，语核最初的团队组建过程并不顺利。当时翟星吉把通讯录名单捋了一遍，挨个打电话——他要找一个能听懂自己“技术执念”的搭档。几经辗转后，翟星吉找到了池光耀，一个00后技术天才，两人一拍即合，池光耀很快加入团队，成为语核科技的联合创始人，他把公司的logo，印在了好多件不同款式的衣服上。绣有“语核科技”的白衬衫成为了他的四季常服。
语核科技团队合影，第一排中间为翟星吉、右一为池光耀 图片由翟星吉提供
如果了解语核科技的成长剧本，会发现这家创业公司代表了新一代AI创业团队的画像，年轻——创始团队为95后和00后；没有路径依赖——迅速接受生成式AI带来的全新商业机会，重新定义AI交付过程中的价值判断、用投资回报率（ROI）结果付费；随机应变——能够在一两个月时间，快速转变业务方向（Pivot），推出新产品。翟星吉喜欢说“反共识”，他认为如今很多反共识的事情才有价值，创业其实就是在做反共识的事。
选择在制造业赛道做Agent就是一件典型反共识的事。翟星吉解释到他们在众多行业中，选择制造业的原因：很多人看来，制造业的销售很难，但这个行业恰是一个拼产品价值而非拼资源的领域。
微软CEO萨提亚·纳德拉在Build 2025大会上，提出了“SaaS不会消失，但需彻底改变”的论断。未来用户真正需要的是完成某个业务流程，而不是简单的数据记录或单一工作流。
翟星吉说，他们只和客户聊三件事：你的核心业务流程是什么？痛点是什么？我们能帮你解决，愿不愿意付费？
按结果付费，而非按工具付费，是这一轮AI时期，与SaaS模式最根本的不同。
“如果在中国而言，上一波SaaS已被证伪，那么如何证明AI就能解决SaaS时代的痛点？”
“你们是否真的能解放人去做更有创造性的事情？能解放多少人？”
一场由投资机构常垒资本主办的AI Agent内部交流会上，汇聚了大量关注AI ToB应用的投资人和从业者，多位SaaS行业的投资人提出了疑问——这一波AI是否真的能做到对人的完全解放。上一波的SaaS从业者，对此心有余悸，毕竟，曾经轰轰烈烈的SaaS运动，在除了中国之外的其他地方，被证明了成功。
因此，中国的客户和投资人特别执着于将SaaS和AI划清界限，很多时候，翟星吉会被要求回答清楚这个问题。
创业之初，翟星吉每周聊4个客户，一个季度和100个客户沟通，不追求营收，只追求场景。语核的第一个客户上线Agent后，销售转化率从5%提升到7%，营收扭亏为盈，翟星吉知道，这个模式走通了。翟星吉透露，语核目前已助力上海仪电集团、中远海运重工、唯捷创芯等制造业龙头企业实现业务突破，今年公司的营收将达到1000万元，相比之下，一般ToB的SaaS公司成立一年的营收在300万元左右。
到了2025年，一个明显趋势是，AI正在进入更加细分特定的领域。如果到2025年采取做通用Agent，除非有很强的开发优势和资源，否则很难与已经做了两三年，进入A轮或者A轮之后融资的企业竞争。如今的AI应用市场，是一个需要靠迭代速度快速占领用户心智的市场。
行业的认知变化，也是语核科技收敛的逻辑。
在不断迭代和讨论中，语核把业务聚焦在制造业的AI售前、供应链管理和产线质检判定。
当被问及，如果SaaS时期已证明在中国卖工具这件事行不通，又如何能知道AI时期交付业务结果有人愿意付费？
翟星吉说，虽然赚到一亿之后如何做到十亿、百亿我还不知道，但在达到一亿营收之前，有绝对的信心。
“用Cursor手搓第一个程序后，我发现我能干很多事”
虎嗅：你在帆软干了五年，为什么想自己出来创业？
翟星吉：每个人想要的不一样，我想做更有挑战、更有价值的事儿。我一直想创业，但之前没有合适的机会。2018 年毕业时，移动互联网已经下半场了，适合有经验的人出去做。再到后来的SaaS时期，我在国内最好的团队里，外面也没什么诱惑。但这一波（AI）不一样，脑子里的雷达直接亮了，特别亮，我觉得必须出去。我看到了有价值的方向，就一定要去试试，现实因素根本干扰不了我。
虎嗅：咋迈出第一步？
翟星吉：我最开始自己写代码，买了一堆深度学习的书，系统学习了数学。后来OpenAI 的API 出来了，Cursor 也出来了，我自己动手做了很多小工具。GPT-4 发布那天晚上，我花了一晚上用 Cursor 写了个 chatbot，当时觉得 “嘿，我能做很多事儿”。
于是，接下来两个礼拜一直在做东西，发现别人做的东西有些缺陷——技术极客们做了很多功能，但缺乏一定产品思维，不懂用户。像现在报道里总提模型提供商、云服务什么的，我觉得用户不该选用什么模型，用户并不关心是谁提供的，最多选模型的 “聪明程度”—— 聪明的、中等的、笨的。
所以我想找个技术厉害的人，我来做产品设计和商业化。
虎嗅：怎么找到现在的搭档？
翟星吉：我扫了所有活动项目，发邮件、加微信留言，联系了好多人，最后找到了现在的联合创始人。我们在电话里聊了一两个小时。
虎嗅：是你 “洗脑” 成功的吗？
翟星吉：不是“洗脑”，联创这个级别，得互相信任和欣赏。我看到他身上很多优点：价值观相同，有自己的坚持，脑子聪明，动手能力强，想法多；他也看到我的优点，我们特别欣赏彼此。当天聊得特别好，第二天我就请假从外地飞上海找他，又聊了两小时，觉得能成，我们当天就开工了。
“帮第一个客户营收提高20%，我们有信心跑通这个模式了”
虎嗅：产品迭代的路径是什么样的？
翟星吉：2024年四月份我们的PMF（产品契合度）1.0是一个面向开发者的企业级Agent平台，可以用它搭任何一个垂直Agent。我们推出这款产品之后，逐渐发现，客户用我们的平台去做各种系统，像ERP、CRM或者OA等。客户想要的东西很多都是一样的，可是用这样的开发者平台搭出来的东西标准化程度不够高，每个客户都要重新搭一遍。
今年年初我意识到这样是不对的，尽管这个平台大而全，但是不够垂直。
我们从PMF1.0中聚焦了一些比较有价值的场景，面向一个岗位或者职责做抽象，抽象成一个个垂直Agent，然后交付给客户。因为我们积累了大量行业know-how，面向场景做了大量优化，所以可以保证准确度一定高。像会议预约管理系统、行政物料申请系统等场景商业化价值很低，而售前这一场景存在很多客户需求，是我们现在做得最多，也是最熟悉的场景。
虎嗅：你们怎么做冷启动的？
翟星吉：我们从去年四月份开始，花三个月的时间和100个各行各业的客户聊。只聊三个问题，第一，公司最核心的业务流程是什么？第二，核心业务流程中的核心阻塞点是什么？第三，我们去判断能不能用Agent尝试解决这个事。
虎嗅：PMF1.0发出后多久获得了多少用户？产品转型之后，过了多久获得了多少用户？
翟星吉：PMF1.0发布后有很多愿意使用我们平台的用户，但并没有帮助企业解决核心业务流程中的问题。产品pivot（转型）之后，我们的客户大幅增长的，因为很多企业面临数字化转型并希望用Agent解决企业的核心业务流程阻塞点。
虎嗅：什么时候发现自己这套商业模式能跑通了？亿融配资
翟星吉：从去年下半年开始，在寻找产品市场契合度（PMF）的过程中，收到了正反馈。在这个过程中，我们走的是熟悉的路径，我以前在帆软工作多年，清楚地知道如何一步步做起来，按照什么路径可以达到年营收一亿元。虽然赚到一亿之后如何做到十亿、百亿我还不知道，但在达到一亿营收之前，我有绝对的信心。
虎嗅：做的第一个客户是什么过程？
翟星吉：去年四月份我们签了第一个客户，是做留学教育的。我们直接和老板聊，帮他解决一个问题——提高销售转化率。
其实一线ToC的销售都有转化率低的痛点，销售主管每天会跟一线销售过客户的聊天记录，通话记录，做辅导，希望提升客户转化率。
企业想做的是，用AI做客户画像分析，比如这个客户的学历背景是什么、学术背景是什么、有哪些社会背景、想要申请什么学校、有多少预算、决策人是本人还是父母。第二，根据客户画像，匹配历史数据，给每个客户提供一份最有吸引力的方案；第三，针对客户情况定制化一份解决方案，告诉他怎么申请，应该提升哪些学术背景，做哪些实习。这是以前的一线销售很难做到的事儿，我们花了一周时间完成了签约。
上线之后，帮企业把线索转化率从5%提升到7%，营收提升20%。老板对这个结果很满意，因为留学市场萎缩，之前每个月同比增长都是负数，但是系统上了之后，同比增长变成正的10%。
虎嗅：售前GTM包括客户画像、需求匹配、Demo、外呼和解决方案生成四个环节，尤其是在销售线索转化和外呼这个环节，跑出了很多公司，在潜在客户生成上的Clay.ai，估值达到13亿美金，用户数在过去2年内同比增长10倍。这条路已经被证实是可以走通的，但你们没有聚焦线索转化，而是选择了售前的解决方案生成，这个偏后半段的一个生意，为什么？
翟星吉：Clay做的是销售线索获客，是帮销售搞定人，我们是帮销售搞定事。获客这件事以前的技术也可以做，只是AI Agent出来之后，可以做的事情更多了。但转化这件事，以前的技术一定做不了，因为转化依赖的是销售的脑子，是高度知识产出型的工作。当然，以前的技术做不了并不代表它没有价值，这反而是真正的机会。
虎嗅：聚焦到制造业的原因是什么？明确做哪些、不做哪些的逻辑是什么？
翟星吉：这个问题我们想得很清楚。政府客户不碰，因为政府合同一般都很大，层层分包下来，我们发现签单不取决于产品价值，而在于前面的渠道商关系硬不硬。
金融是另一个很有意思的方向，金融量非常大，数字化程度很好，企业内部有完整的产品和设计。金融客户能帮助我们快速提升营收，但发挥不出我们的产品和技术优势。
医疗行业进入门槛比较高，我们做过导诊助手的预分诊、导诊，也尝试过医疗记录生成，我们POC验证过，我们的技术效果特别好，但是没人买单，核心原因是因为这个赛道中挤满了很多大厂、可以不计成本投入拿下客户案例，这个对我们这类初创公司很难。
用排除法后，剩下零售、物流、制造这三个行业可以做。我们最后选择了中高端制造业，第一，它作为中国未来的基本盘，不会太差；第二中高端制造业的数字化程度远高于大家的想象，比如小米汽车、特斯拉、芯片厂，都是无人工厂，需要海量数字化支撑；第三，制造业企业付费意愿高，数字化转型需求迫切，愿意为降本增效花钱。
虎嗅：这是另一个反共识了，SaaS时代来看，制造业的销售太难了，基本都愿意找大品牌大厂商合作，创业公司很难有机会。
翟星吉：做制造业客户生意的公司主要有三类：大厂、集成商和渠道商，以及软件公司。
大厂肯定会做ToB，这个竞争一定会存在，但大厂会优先选择机会成本低、收益大的领域，例如基础大模型、通用的AI infra工具，或者ToC业务，比如豆包、扣子，不会在ToB上做重投入。
集成商和渠道商，比如三大运营商，会承包很多数字化项目，再分包出去，和我们是合作伙伴的关系。
我们最担心的其实是第三类，传统软件公司，现在很多RPA（机器人流程自动化）公司都在做AI转型。
虎嗅：传统RPA公司有客户有品牌，这方面如何和他们竞争？
翟星吉：这些公司是值得警惕的，他们有一定的客户资源和品牌，对业务有一定了解，也有能力和意愿接受新技术。
对我们来说，应对这类公司只有1到2年的窗口期，如果能在这1-2年内做好，他们就赶不上我们。
“不做大模型延长线上的事”
虎嗅：很多ToB的企业，最重要的就是看准确率，这也是为什么在如今AI仍有幻觉下，很难能在ToB领域跑通，你们的官网上写了90%的准确率，如何保证的？
翟星吉：第一点是复杂内容解析的能力，第二点是精准的外部构建的能力，第三点是Agent的状态。我们会把产品做成API，嵌入到企业的业务流程里，比如说企业要一个解决方案，收到客户材料之后，我们的产品会分析这个客户的情况，输出客户需求分析的报告，再基于企业的历史案例，生成一份解决方案给客户。
虎嗅：如何去做垂直场景的数据能力，并形成一个数据飞轮？
翟星吉：首先要解构岗位职能，比如解决方案生成、报价、客户需求分析、技术支持、技术验证等，这些职能是固定的，此外在每个职能下有对应的SOP（标准作业程序）。像解决方案生成有标准 SOP，不同公司逻辑相通，只是主题和素材不同。
我们把 SOP 和岗位职责固化成标准产品，Agent数字员工进入不同公司时，只需补足该公司的业务上下文，比如产品资料、历史解决方案等。这就像“人工跳槽”，第一个共创客户是 “第一家公司”，做到第三家相当于我们的AI Agent在三家公司工作过，到了第五家之后，AI Agent在这个行业做这个岗位，去任何公司都能快速上手，学知识就像员工培训，接入信息就行。持续的数据收集会让我们的Agent数字员工拥有该领域的私有知识，成为这个领域内的专家。
虎嗅：你们有知识库功能吗？
翟星吉：有，但我认为知识库没有独立价值，知识库一定是给 AI Agent 用的，不是给人用的。单独做知识库没人用，因为人只熟悉自己领域的知识，不会主动探索。但给AI Agent用知识库能取得不错的效果，比如售前解决方案生成需要参考大量公司资料，AI 可以通过准确的知识库来获取信息。
虎嗅：语核的产品相当于一个编排模型，会整合不同模型的能力，在大模型上面自己训练小模型。这会带来一个问题是，未来基础模型如果迭代了，会不会对你们有挑战，或许现有的商业模式一朝倾覆。
翟星吉：我们去年就想清楚了 ——绝不做模型延长线上的事。我们对模型的预判是：推理能力会进步很快，但补齐企业上下文的能力不会变。
企业本地化数据怎么接入模型，是很关键的问题。所以我们选的场景是：第一，做企业上下文相关的；第二，做轻推理，不做重推理 —— 那种打个句子过去等回复的，没意义。
现在有个共识：通用场景下，模型推理能力挺好，但垂直任务场景就不行了。这时候我们就要积累自己的数据，做垂直训练。比如生成解决方案、内容创作，不能用提示词解决的，就得靠自己的专家知识 —— 通用模型肯定覆盖不了，每个岗位的专家都有自己的私有知识。
“SaaS时代需要给老板‘画饼’，现在不用‘画饼’了”
虎嗅：数据化转型难的一点在于，是否真能降本增效，但很多时候投入和产出不成正比，老板就不愿意干了。
翟星吉：以前确实有这问题，所以要画饼、讲案例说服企业老板，他们觉得有价值就会买。比如做 BI 系统（商业智能系统），提升产线良率、实时监控质检异常，企业会买；现在用 AI 直接帮他们降本增效，他们更会买。像制造业售前有个痛点，销售不懂技术，复杂客户要拉研发跟进，但研发不善沟通，导致很多单子丢失。现在用 agent 可以生成 80-90 分的解决方案，让更多客户享受服务，提高线索转化。
虎嗅：如今AI Agent会重蹈SaaS的覆辙吗，或者说就能够解决SaaS时期的痛点？很多传统做ToB的人，或者上一代的SaaS创业者可能已经失去信念了。
翟星吉：我之前在帆软五年，帆软从结论上来讲，是一家从未融过资的公司，但它在上一个SaaS时代，可能是整个中国客户市场和资本市场最认可的一家ToB公司之一。
我现在之所以愿意做ToB，是因为我亲眼见过这事是可以做成的。
我有这个信念，但也有些遗憾，比如传统数字化产品，卖的是管理价值的饼，让客户老板觉得这个系统能提高公司整体经营效率，或者解决很多潜在问题，但这些价值无法直接被量化，往往导致一线员工很抵触，全靠老板坚持。我们以前要花很多时间去说服老板，证明我们的系统真的有效。
所以我们想做的是直接切入核心业务流程，用AI Agent帮企业解决最核心的阻塞点，按照结果来付费。
虎嗅：按结果付费怎么量化？
翟星吉：看业务增长，或者能不能直接帮企业解放很多人去做更有创造性的工作。具体问题具体分析，A客户可能收30万，B客户收100万。
虎嗅：ToB的Agent，付钱的人和用的人不一样，可能会动了别人的蛋糕，比如把某些职能替代，这是一个很大的挑战吗？
翟星吉：一定需要公司老板顶层战略支持。
我们一直主张ToB的AI Agent在企业内需要依赖业务部门推动。过去一年，许多企业尝试的AI Agent试点项目却“无疾而终”，核心原因在于项目往往由IT部门推动，业务部门被动参与，缺乏内在动力。要成功落地并获得认可，Agent必须解决核心业务流程中的“真痛点”也就是那些传统方法解决不了或解决不好的问题。
因此，现在的Agent必须是业务驱动，而非IT驱动——只有当业务部门主动寻求IT帮助解决难题时，项目才最有价值。
例如目前B2B企业售前环节这一专业场景的两大核心痛点：
首先是专业能力断层，商务人员普遍技术深度不足，严重依赖稀缺的研发资源支持，响应速度慢，专业方案输出难。
其次是重复劳动重负，方案准备、报价等大量低价值、重复性工作耗费团队大量精力，挤压了高价值活动时间，导致客户需求响应不及时。
所以我们打造的售前数字员工目标是在售前流程中实现“端到端”的自动化，仅保留产品演示和POC验证需人工介入。当Agent数字员工能真正解放人力、提升效率、解决核心难题时，业务部门会主动向领导推荐使用它，而推广阻力也将大大降低。
我认为未来，付钱的人可能和用的人更趋同，因为本质上，企业招人是既是为了业务中直接使用，也是为了企业高层去使用，这些人既满足业务部门中的工作要求、也要满足公司领导对员工队伍建设的要求，但付钱的人一定是公司。
现在Agent也是这样，招一个Agent数字员工既给业务部门实际用、也是给老板用，是帮老板直接作为一个业务单元交付结果，而以前的数字化工具为付钱的人（老板）是提供管理价值的，但是这个价值不显性。
虎嗅：帆软的这段经历，给你带来了什么？你身处在这两个行业，从你亲身经历的视角，在SaaS时代和如今的AI时代，思考方式和商业模式有什么不同？
翟星吉：产品、技术、商业化这三者看似不同，底层逻辑却不变。
产品上，方法论没有改变，比如洞悉用户场景、找到最大化价值、共情用户等；技术上，以前学大数据实时同步、基础架构设计，现在学 AI 智能架构设计；商业化上，以前是卖产品，现在是直接解决问题、谈价值。
做产品的核心原则有几条：一是只解决客户核心业务流程的痛点，帮他们赚钱或省钱，这包括怎么跟客户聊天、调研、快速理解业务场景和流程，用咨询顾问的方式给出建议。
二是把众多场景和需求抽象成标准化产品，这是产品方法论的问题。
三是闭环验证，从想法到快速做出 MVP，再实现商业化场景验证、共创。
ToB创业初期处于共创和找场景的阶段，做定制化没问题，但做了几个客户后就要大量思考、抽象，形成聚焦的产品。
虎嗅：现在做的事和原来 SaaS 时代有什么不同？
翟星吉：不用花那么高的成本说服老板们了，不用给客户“画饼”了。
虎嗅：To B如果做得很垂直细分，似乎空间很有限，如何把握这个度，做多细分？做多垂直？
翟星吉：To B 本身就是很垂直的事。特别垂直的话，上限肯定有限，但确定性高很多。
虎嗅：上限低了，想象空间就小了。
翟星吉：从投资角度，这取决于你想承担多少风险、要多少收益。如果进场价太高，肯定不行；要是早期低价进来，过几年退出，拿个十倍、百倍收益其实不难。外国公司做到几亿美元、几十亿美元营收不需要很久，但要做到百亿美元、千亿美元很难成功。
虎嗅：融资的时候，你们需要花时间做一些说服工作吗？
翟星吉：去年谈了好多次，后来对大部分投资人都拒绝了。我们对钱还不算迫切，会把更多时间放在业务上。
“我不花时间找钱，主要在找人”
虎嗅：为什么还觉得创业苦？（如电脑上贴的贴纸一样）
翟星吉：创业当然苦，每天有不同的烦恼，客户资源够，但优秀人才不够。我一半时间都在招人。
虎嗅：需要画饼让大家认可并留下来。
翟星吉：我们总结了招人方法，分三步：一是人格吸引，让他喜欢创始人，感受到真诚、热情和自信；二是愿景吸引，告诉他赛道好、未来大，我们在赛道里跑得不错，团队和事情匹配度高；三是合适的价格条件。
虎嗅：你们现在主要招什么岗位？打算扩张多少？
翟星吉：2025 年的 HC（人员编制）已经招满了，马上要招 2026 年的。我们客户资源多，只要有人进来就有事做。现在销售线索足够，瓶颈在于现在的资金能支撑多大盘子。
虎嗅：另一半时间要用来找钱吗？
翟星吉：我不花时间找钱，因为国内对 To B 赛道共识是不投，但巨大的反共识下，机会其实也很大。
虎嗅：我们招人和扩张的节奏是什么？
翟星吉：我们的逻辑是：客户资源无限多的情况下，招 5 到 10 人的商业化团队完全够用。但销售成本高，所以扩张的前提是现金流健康 ——有多少利润，招多少人，这样才不会出问题。
虎嗅：现在AI应用基本都要出海，这部分如何计划？
翟星吉：我们计划今年做日韩和东南亚市场，希望海外营收能占 10%-20%。
虎嗅：已经有客户在对接了吗？
翟星吉：在对接了。
虎嗅：出海的逻辑是什么？
翟星吉：我们所有决策都靠认知驱动，有个共识是 ——只有中美在 AI 领域有真正的创新。美国市场很卷，做 to B 需要有本地团队，所以先排除北美，如果能在其他地方赚到钱，就没必要去北美。
剩下的市场：日韩、东南亚、中东、欧洲、俄罗斯... 俄罗斯现在主要做的是替代欧美供应链；欧洲是分散的小市场；中东是 “大政府” 市场，需求基本来自政府。
日本是全球前三的市场，付费习惯好，他们的产业链跟我们国内的中高端制造贴合。
东南亚我们看零售和物流，东南亚消费市场大，适合做零售。此外物流发达，尤其是新加坡的货运行业。我们在这两个行业不算深耕，但有案例能推，比如百事、中远海运。
虎嗅：是否想过如果未来创业失败了会是什么原因？
翟星吉：为什么会有这个担心？
#我们正在建立面向AI创新者的社群，可备注姓名+行业，添加微信：evanyifan3256，进行行业交流。#
秦安配资提示：文章来自网络，不代表本站观点。
- 上一篇：趣策略 从话剧到电影，陈佩斯的《戏台》没丢魂
- 下一篇：没有了
沪深京指数
热点资讯
推荐资讯